HKAIWeb 原創封面:巨型 X 金屬標誌旁的機械臂以放大鏡檢查內容,並把帖文分層排序X 官方公開 For You 推薦演算法原始碼,公開 Phoenix 排序模型、預先篩選器與權重設計。

xai-org/x-algorithm 是 X(Twitter)官方開源的 For You 推薦演算法專案,收錄決定用戶看到哪一篇帖文的核心程式碼:將 in-network(已追蹤帳號)與 out-of-network(經機器學習檢索找到)的內容合併,再經過濾器處理,最後使用 transformer 模型排序。專案在 10 月 29 日錄得 33,890 stars 與 5,480 forks,並登上 GitHub 每日 Rust Trending;官方 API 顯示最新提交 606b254b 於 2026-10-29 02:57 UTC 推出,10 月 22 至 29 日每日均有更新。

排序模型:Phoenix 預測多種行動的機率

README 公開了 Phoenix 排序模型(phoenix/xrex/models/recsys_model.py)的預測目標,並非籠統的「相關性」分數,而是逐項預測行動機率:

  • Engagement:favorite、reply、repost、quote、share、share via DM、share via copy link
  • Clicks:post、profile、link、photo expand、video open、quoted post
  • Attention:video quality view、dwell、dwell time、click dwell time、video continuation seconds、profile visit seconds
  • Author:follow author
  • Negative:not interested、mute author、block author、report、not dwelled

RankingScorer 再將各項機率合成最終分數:Final Score = Σ (weight_i × P(action_i))。權重位於 home-mixer/params/param.rs,運算邏輯位於 xai-value-model/scoring.rs。

README 特別澄清一項常見誤解:權重乘以「模型預測的機率」,而非原始互動次數。因此,即使 report 權重遠高於 like,也不能推論為「1 次 report 抵銷 468 個 like」——實際預測值本身很受個人行為影響。權重之後還有三項調整:Author Diversity(同一作者的第二篇帖文起乘以遞減因子)、out-of-network 調整與 new-author 調整。

預先篩選器:排序前先進行清理

排序之前,home-mixer/filters/ 有一系列預先篩選器依次執行,包括 DropDuplicatesFilter(同一帖文經多個來源重複回傳)、CoreDataHydrationFilter(文字或 metadata 載入失敗)、AgeFilter(超過 48 小時)、SelfTweetFilter(用戶看到自己的帖文)、OONRetweetReplyFilter(未追蹤帳號的轉發與回覆)、OONNsfwSimclustersFilter、RetweetDeduplicationFilter 與 IneligibleSubscriptionFilter 等。

近期改動:由投票到閱讀深度

  • 10 月 26 日:巴西 2026 大選結束,Brazil2026ElectionFilter 從 For You 移除。
  • 10 月 13 日:Phoenix 檢索模型加入「讀者會完整讀完」的訓練目標。
  • 10 月 8 日:Phoenix 排序模型對「用戶會在帖文停留多久」的估算大幅改善。
  • 9 月 18 日:報告加入「你的帳號或帖文是否因合規要求而被限制顯示」資訊,包括因法律要求在某個國家被攔截。

刻意不公開的部分,以及透明度工具

官方解釋不會全部分發的原因:一旦影響內容分發的程式碼公開,便可能有人用來「玩弄」推薦系統。因此,部分檔案暫未公開,例如 Grox 使用的具體 LLM prompts(與 j2 檔案)及部分 botmaker 規則。作為替代,官方在 under-the-hood/ 試行透明度工具(Under the Hood),讓用戶看到自己的帳號與帖文套用了哪些影響可見度的標籤,再對照公開程式碼了解其影響。

授權與使用提醒

專案採用 Apache License 2.0 授權,可使用及修改,但須遵守授權條款與聲明要求。專案 README 亦提醒,公開內容不代表已完成獨立安全審核;實際部署前仍須自行評估,包括未公開的 Grox prompts 與 botmaker 規則對完整了解系統行為的影響。

適合哪些讀者

如果你從事推薦系統、社交平台排序,或想研究真實線上推薦流程,這是少數由平台自行公開的第一手實作;目前可以直接查看「預測多種行動機率 → 乘以權重 → 三項調整 → 合成最終分數」這條完整流程。

資料來源

作者: hkaiweb

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *

Social Media Auto Publish Powered By : XYZScripts.com